《人工智能 大模型选型和应用指南》今年 7 月发布，编号 GB/Z 201，国家标准化指导性技术文件，23 页。牵头起草的是中国电子技术标准化研究院，南方电网、阿里云、华为云等 22 家单位一起署名，2026 年 7 月 30 日起实施。它不评谁在榜单上领先，讲的是从想用到用起来要过几道关：先算钱，再算卡，最后才算模型。

选型真正的门槛不在参数表，在你的机房放不放得下它。

正文六章，讲原则、准备、数据、选型、部署、评估和风险；附录更像工具箱，给了算力公式、模型分类、显存对照和压缩方案。适用对象写得很宽：凡是打算上大模型的单位都能用，不分行业，也不分大小。这篇不按章节顺序走，按一次真实选型会遇到的顺序走：先看流程，再算显存，卡不够就看压缩，最后定部署方式。

01 五步流程，第一步不是比模型

流程是选型准备、数据准备、选型与优化、部署应用、应用评估，风险管理从头跟到尾。起始那一步叫策略规划和现状评估：先算投入产出，再盘自己有什么家底。跳过这一步直接比模型，后面每一步都要返工。现状评估要盘三样东西：数字化到哪一步、手上多少算力、团队里有没有人能接住它。

02 六条原则里，最容易被跳过的是适合性

文件列了六条：合理性、适用性、适合性、可解释性、完善性、安全性。合理性和适用性讲的是值不值、对不对路，适合性讲的是技术和你的人配不配。自己维护不动的模型，上线那天就是负债。这条最容易被跳过，因为它不写在采购清单里。

03 显存决定你能选多大的模型

附录那张对照表最实用：1.5B 要 3G、7B 要 13G、32B 要 48G、70B 要 130G、671B 要 1250G。按一张 80G 的卡折算，70B 占两张，671B 要十六张。选型先数卡，再谈分数。这张表也能倒着用：预算定死之后，先算能买几张卡，再推能上多大的参数。

04 卡不够就量化，4-bit 省下四分之三显存

附录给了三条降配路：8-bit 量化省一半显存，性能损失不到 2%；4-bit GPTQ 省 75%，损失不到 5%，适合手机这类边缘设备；ZeRO Offload 省 60% 到 80%，代价是延迟多两成，好处是单卡就能微调 70B。压缩不是免费的，精度损失会在长文本和多轮对话里放大。先压，再考虑换小模型。

05 部署三选一，按体量挑

中小微直接买 MaaS 服务，按调用付费；数字化底子好、数据敏感的走私有化部署；龙头企业自建智算中心，支持万卡级集群。怎么挑有个简单标准：数据出不出门。文件还要求灰度发布和回滚预案，先小范围放，看指标再扩量。

写在最后

这份文件真正能救人的地方，是把选型从比分数拉回到算账：多大的模型、要多少显存、掉多少精度、花多少钱。同一件事，别处讲趋势，它给的是公式和表。

真正难改的也不是技术，是采购习惯：过去买软件看功能清单，现在得先问机房还剩几个槽位。先把这三笔账算清，模型的聪明才有意义。

GB/Z 201-2026 人工智能 大模型选型和应用指南.pdf